| Abstract | dc.description.abstract | Utilizando valores de cierres semanales, correspondientes al período comprendido entre el 20 de
Agosto de 2001 al 14 de Agosto de 2006, se analiza la eficiencia de modelos multivariables
dinámicos, optimizados por algoritmos genéticos y filtro de kalman, para predecir el signo de las
variaciones semanales en la cotización bursátil de GE, GM, IBM, UTX y VZ. Los resultados fueron
comparados con los de un modelo AR(1) y de un modelo multivariable ARIMAX(2,2,2). Los
mejores modelos producidos por el algoritmo genético arrojaron un porcentaje de predicción de
signo (PPS), para un conjunto extramuestral de 52 datos semanales, de un 77%, 71%, 81%, 75% y
75%, para las acciones GE, GM, IBM, UTX y VZ, respectivamente. La capacidad predictiva
resultó significativa en cada una de las acciones, de acuerdo al test de acierto direccional de
Pesaran & Timmerman (1992). Al analizar el PPS de los modelos de filtro de kalman, se encontró
que estos fueron menores, resultando significativos en el caso de GE, GM, IBM y UTX. Por otro
lado, el PPS de los modelos AR(1), se encontró que estos fueron no significativos para todas las
acciones en estudio. Los modelos multivariables ARIMAX(2,2,2) registraron un PPS más alto que
los de filtro de kalman para el caso de UTX, siendo no significativo. Además, los modelos
construidos por el algoritmo genético generaron en promedio el mayor retorno acumulado, excepto
en el caso de GM, donde la rentabilidad más alta fue registrada por el modelo de filtro de kalman.
Ampliando el tamaño del conjunto extramuestral hasta cinco años, se llega a concluir que el PPS de
todos los modelos analizados es decreciente, llegando a observar que, independientemente de la
significancia de la capacidad predictiva de los modelos de proyección, estos superaron en
rentabilidad a la estrategia de inversión pasiva en todas las acciones analizadas, por lo que
prácticamente siempre fue mejor gestionar la cartera indexada en función de alguno de ellos. | |
